Halimi, Ahmad (2021) ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PEMBELAJARAN ONLINE DI MASA PANDEMI COVID-19 MENGGUNAKAN METODE NAIVE BAYES, K - NEAREST NEIGHBOR DAN PEMBOBOTAN TF-IDF. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.
Text (THESIS)
20.77.1259 Ahmad Halimi.pdf Download (4MB) |
Abstract
Semejak kebijakan pembelajaran online berlangsung, membuat masyarakat Indonesia meluapka n emosinya ke media sosial twitter dengan berbagai opini. Tujuan penelitia n ini untuk analis is sentime n pengguna twitter terhada p pembelajaran online di masa pandemi covid-19 dengan metode naïve bayes, knearest neighbor dengan menggunakan pembobotan kata TF-IDF. Data twitter yang akan di crawling dari tanggal 16 maret 2020 sampai 10 april 2021 dengan menghas ilkan data tweet sebanyak 17.373 dan bersihnya sebanyak 15.759. Di penelitian akan melakukan klasifikasi sentimen dan akurasi dengan naïve bayes dan k-nearest neighbor mengunakan pembobotan TF-IDF dari data tweet telah crawling. Data tweet yang telah crawling, dilakukan klasifikasi sentimen dengan responden sentime n sebanyak negatif 8148, positif 5556, netral 2055 dan lexicon sebanyak negatif 7671, positif 5698, netral 2390. Proses pengujia n dilak uk a n pembersihan dan perbaikan data tweet dengan preprocessing, kemudian dilakukan klasifikas i sentime n naïve bayes dan k-nearest neighbor dengan pembobotan TFIDF. Hasil dari klasifika s i sentime n naïve bayes pada data responden dan lexicon memilik i tingkat presentase kemiripa n hasil sentimen sebanyak 84 % dan 16% tida k sama serta k-nearest neighbor pada data lexicon memiliki tingkat presentase kemiripan 72% sama dan 28% tidak sama dan responden juga miliki tingkat presentase kemiripan 73% sama dan 27 % tidak sama. Hasil terbaik akurasi di peroleh dari metode naïve bayes dan k-nearest neighbor dengan membagi data training dan data testing sebagai pengujiannya. Nb_respoden naïve bayes complement dengan akurasi 74,08%, presisi 69,72% dan recall 64,51% serta di pengujia n k-neareast neighbor nilai k-3 pada knn_respoden dengan akura s i 78,46%, presisi 76,47% dan recall 76,64%.
Item Type: | Thesis (S2 - Magister) | |||
---|---|---|---|---|
Contributor: |
|
|||
Uncontrolled Keywords: | Daring, Analisis sentimen, Twitter, Naïve bayes, K-nearest neighbor, Covid-19 | |||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
|||
Divisions: | Pascasarjana MTI > PJJ | |||
Depositing User: | RC Universitas AMIKOM Yogyakarta | |||
Date Deposited: | 11 Jul 2023 07:43 | |||
Last Modified: | 22 Jul 2023 07:31 | |||
URI: | http://eprints.amikom.ac.id/id/eprint/20280 |
Actions (login required)
View Item |